介绍 / Introduction

适用于 Moss-image 的 DAGASI 风格 LoRA，使用收集的约 3,000 张无修正图像训练。训练时加入了 DAGASI* 作为触发词，不过经过测试，你完全不需要它。
Moss-image真的是一个相当有潜力的模型，推荐所有人都试一试！

A DAGASI style LoRA for Moss-image, trained on approximately 3,000 uncensored images. DAGASI* was included as a trigger word during training, but testing shows that it works perfectly well without it.
Moss-image is a really promising model. I highly recommend that everyone give it a try!

碎碎念

这个 LoRA 原本是用作 Moss-image 的训练测试，不过值得庆幸的是，它训练得相当好。

头一次训练 3,000 张图片的 LoRA，靠大肥鱼打标能直接掏空我的钱包 Orz。不得不部署一个 Gemma 4 来打标，成本才四块钱的云服务器费用，比肥鱼省钱多了，效果也相当好。

目前的一些个人测试想法：

• 训练参数：Moss-image 的 LoRA 相当吃训练参数。在我的测试中，学习率（LR）和 Alpha 几乎要达到其他模型的两倍，才能正常训练。

• Rank：太小的 Rank 似乎无法正常拟合，推荐从 16 起步。

• 触发词：当前这个 LoRA 对触发词的响应相当差，甚至添加触发词还会导致画面出现文字。不过，这好像是普遍现象，还有待深入研究。

• 拟合速度：目前有人说 Moss-image 的 LoRA 在约 1,000 steps 就能拟合角色，但自己实测下来，拟合并没有想象中那么快。或许我该回去重新调整数据集了 : (